基于三维虚拟路面的裂缝自动检测算法

为了在考虑路面三维特征的基础上快速、准确、完整地识别裂缝,基于三维虚拟路面提出了裂缝自动并行识别算法。首先,对1 mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面,通过4个角度的立体投影产生4幅投影图像(Ω1~Ω4);然后,分别对Ω1~Ω4进行降维处理、裂缝识别(包括强度验证及对称性检测)和裂缝连接,获得阴影区裂缝图像Ωs1~Ωs4及反光区裂缝图像Ωr1~Ωr4;最后,有效融合Ωs1~Ωs4及Ωr1~Ωr4的裂缝信息并进行深度验证和滑动去噪处理,获得裂缝图像。基于255张图像(4 096×2 048)的测试显示:算法具有较高的准确率(平均80.34%)和召回率(平均83.89%),以80.47%的F值优于ADA3D算法;此外,并行框架有利于程序并行化,能有效提高运算速度。     

基于多特征检验的三维沥青路面裂缝检测

针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题，对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理；然后以图像截面为研究对象，分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验，从而获得裂缝截面；接着对各个方向的裂缝截面进行融合和去噪，获得完整的裂缝二值图像；最后，根据路面粗糙度的高低，变化高斯分布特征检验中的相关参数，实现裂缝的高精度检测. 研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的 F 值，优于基于三维光影、种子识别的典型三维图像裂缝检测方法.      

基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法

为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。     

路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。      

基于形态学梯度分割的低对比度路面裂缝自动识别方法研究

针对目前路面裂缝的检测效率低、裂缝识别的主观性强、在低对比度下不易辨识等问题，提出了基于形态学梯度分割的低对比度路面裂缝自动识别方法，通过分析路面裂缝形成的原因研究了摄像头拍摄情况下的路面图像预处理方法及达到的效果，研究了形态学梯度检测中的Sobel算子方法在路面裂缝中的应用，通过实际采集的低对比度路面单裂缝与复杂背景下路面多裂缝图像进行算法测试，试验结果验证了提出方法的有效性。     

基于各向异性测度的路面三维图像裂缝识别

为准确而完整地识别路面裂缝,提出了基于1 mm/像素的路面三维图像裂缝自动识别算法．该算法主要包括各向异性测度计算与自适应优化阈值分割、深度验证和多分辨率去噪处理3个部分．首先,针对路面图像像素特征,基于0°、45°、90°和135°四个方向的线性邻域的均值和标准差计算每个像素的各向异性测度（表征方向性的强弱）,并应用最大类间方差法确定最优阈值,将路面图像分为强方向性和弱方向性像素两类;其次,根据半径为d的正方形邻域深度均值设定阈值,用方向性强且深度低于或等于该阈值的像素形成初步的裂缝图像;最后,将裂缝图像划分为多个子块,设计去噪模板对裂缝图像进行滑动窗口去噪处理,获得最终裂缝图像．基于166幅含有各类裂缝的三维路面图像（2048×2048像素）进行测试分析,结果显示,本文算法获得了较高的准确率（均值91．57％）和召回率（均值81．29％）,最终以84．26％的F1均值优于种子识别算法（F1均值69．19％）、Canny边缘检测（F1均值8．15％）和OTSU分割（F1均值5．11％）．     

基于容差PR曲线的路面裂缝识别算法性能评价机制

为了客观合理地评价路面裂缝图识别算法的性能,提出了基于容差PR曲线的算法性能评价机制。首先,建立路面裂缝图像基准库,为裂缝识别算法性能评价提供统一规范的测试图像;其次,提出考虑容差的准确率-召回率和F_1值计算方法,作为算法性能的衡量指标;然后,提出裂缝识别算法的PR曲线评价方法;最后,以两套裂缝识别算法为例进行PR曲线性能评价分析。结果表明:PR曲线评价机制确立了统一的基准测试图像、衡量指标及评价方法,能评价无参数、具有1个或多个参数的裂缝识别算法的性能(包括准确率-召回率、F_1值及算法稳定性),有助于进行算法性能评价与改进。     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于GPR正演技术的路面反射裂缝图像解译研究

为了解决探地雷达图像的病害识别问题,基于有限元法求解三维电磁波波动方程,并编写MATLAB代码进行数值模拟,依托汉十高速路面芯样检测数据建立三维道路真实模型,并建立多种不同损伤程度、形状的反射裂缝,分析电磁波在反射裂缝不同发展阶段的传播规律。结果表明：随着反射裂缝深度的变化,探地雷达图像存在显著的差异,反射电压与裂缝深度存在一定的线性关系,通过实际电压图像可以计算路面反射裂缝的深度。研究结果为分析高速公路路面裂缝病害图像提供理论基础。     

基于Beamlet变换的路面裂缝图像匀光算法

为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法．该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背景．在图像裂缝提取过程中,对图像中裂缝的线性提取可以有效地滤除噪声,提高裂缝提取的准确性．较传统的图像处理算法,该算法在准确地检测路面裂缝,均匀光照背景的同时有效地抑制了噪声干扰,检测效果良好,且运算速度快．均匀的路面背景为路面裂缝图像的定性、定量分析奠定基础．     

基于霍夫变换的全景图中建筑物识别方法

提出了一种能够自动识别全景图中建筑物轮廓的方法.首先利用Canny算子获得边缘图像,使用霍夫变换算法提取出边缘图像中的直线.然后检测各条直线之间的位置关系,由于全景图尺寸较大,采用了局部化原理来进行检测.再根据直线之间的位置关系生成直线关系图.最后遍历直线关系图得到封闭几何图形,从而识别出大规模全景图中的建筑物轮廓,为进一步的全景图中建筑物三维建模提供素材.算法分析和实验结果表明,该方法对于几何形状规则的建筑物能够较好的识别.     

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。     

基于数字图像的隧道表观病害识别方法研究

阐述了公路隧道结构快速检测车图像采集的原理,以隧道结构表观图像为研究目标,系统分析了隧道裂缝和渗漏水病害的图像特征;基于裂缝图像特征,通过CTA测度算法和边缘检测结合可准确地识别裂缝;根据渗漏水图像特征,采用改进的CTA算法,并结合形态学处理方法,可实现隧道结构渗漏水的识别与定位。研究表明:采用CTA测度及其改进算法可较好地实现表观病害识别,可有效地减弱线缆干扰、光照变化带来的影响。     

水泥路面图像刻槽去除方法研究

水泥路面刻槽往往会对水泥路面裂缝的识别产生噪声干扰。针对水泥路面刻槽图像的特点,结合傅里叶变换原理,利用MATLAB图像处理技术研究得到一种消除水泥路面图像刻槽的可行方法。首先应用形态学原理对水泥路面刻槽图像进行预处理,然后根据频谱图像进行分析,检测水泥路面刻槽位置并对频谱图像进行处理,最后通过反傅里叶变换得到去除刻槽后的水泥路面图像,并在此基础上识别水泥路面裂缝。结果表明,采用该方法可以较好地实现去除水泥路面图像刻槽的目的。     

基于地面三维激光扫描的高速公路沉陷量自动提取与分析研究

高速公路运维过程中,路面沉陷是影响行车安全的关键,传统多采用水准测量等技术方法,存在工作量大、周期长、易受外界条件影响等缺点。提出一种通过地面三维激光扫描点云自动判别路面沉陷的算法和分析方法,该方法先采用基于几何特征与迭代最邻近点算法相结合的方法进行点云配准,配准数据经过点云分类识别后,基于滑动窗口法提取道路特征线,建立高速公路的路面模型,并通过分析该模型得到沉陷区域、位置和沉陷深度等指标。为验证算法的可靠性与准确性,以一段运营维护阶段的高速公路为研究对象进行分析实验。通过算法处理与实测路面模型分析,发现距离高速公路实验段起点45 m处存在深度达40 cm的沉陷区。分析结果表明,采用提出的对激光点云数据处理算法和路面模型分析方法,可以高效、准确分析高速公路路面的沉陷情况。该方法的成功应用,对三维激光扫描技术的在交通领域的深度应用和有效推广有重要意义。     

基于深度图像和彩色图像相结合的高速铁路桥梁裂缝宽度检测识别算法研究

针对高速铁路中桥梁比重大,地质灾害发生后难以及时对桥梁损伤进行检测评估的困难,提出了利用深度图像和彩色图像相结合的桥梁裂缝损伤宽度非接触式检测识别算法。首先,研究了裂缝的彩色图像预处理算法,通过灰度化、图像增强、轮廓提取获得了裂缝在彩色图像中的轮廓;其次研究了不同视场相机的配准问题,搭建了实验室检测环境,提出了联合Harris角点检测和Hough变换的彩色图像和深度图像配准算法,完成了将二维彩色图像点向三维空间坐标的转换,实现了高速铁路桥梁裂缝宽度检测识别。现场测试表明,深度图像和彩色图像结合能够实现高速铁路桥梁裂缝宽度检测识别,识别相对误差在10%以内。     

基于深度学习的公路货车车型识别

为判断公路货车车型，并提升货车车型识别的速度与精度，提出基于深度学习的方法对公路货车及其轮轴进行精细化目标检测；采用道路监控拍摄和网络爬取的方式获得了16 403张公路货车侧方图像，建立了货车侧方图像数据集，并采用Retinex理论和加入限制对比度的自适应直方图均衡化(CLAHE)等视觉增强方法预处理所采集图像中的光照不均图像和夜视图像；通过理论分析和对比试验选取单阶段检测网络YOLOv3作为公路货车车型识别的目标检测网络，并从调整先验框和模型输入大小以及引入注意力机制3个方面优化了检测模型；针对单帧图像可能同时出现多辆货车的情况，采用基于目标位置信息挖掘的算法分析了货车与轮轴的位置信息，提出一种通过轮轴中心点与货车预测框位置信息判定公路货车与轮轴隶属关系的方法。研究结果表明：图像经过预处理可显著增强车辆的特征信息，优化后检测模型的网络性能得到提高，通过对目标位置信息的挖掘与利用可以很好地解决货车车型判定问题；优化后的检测模型实时检测速度可达47帧·s^-1,对公路货车车型的识别综合准确率达到了94.4%。该方法实现了对公路货车车型的无接触、快速和准确识别，为公路货...     

基于RBF神经网络的复杂场景人群目标的识别

大型公共建筑内人群数目及分布的在线监测是有效控制和疏散客流、保障人员安全的重要依据之一．利用公共建筑内现有的闭路电视监视系统,通过计算机视觉技术实现人群数目的自动识别是目前国外普遍采用的一种方式．文中提出了一种基于RBF神经网络的复杂场景人群目标的识别算法,利用包含行人数目信息的前景图像的投影曲线等特征数据,通过训练好的RBF神经网络直接得到该前景图像中包含的人群数目．与其他算法相比,该算法具有较高的识别准确率,在一定误差范围内可以达到较好的效果．     

基于自动阈值检测和边缘连接的路面裂缝边缘提取方法

随着不同等级公路的快速发展,对道路裂纹或裂缝的检测技术也提出了更高的要求。道路裂纹或裂缝检测技术主要依赖于图像处理、模式识别等数字图像处理技术,针对道路裂纹或裂缝检测的关键技术,提出了一种基于改进的边缘提取算法的路面裂缝检测方法。该方法有效降低了传统图像边缘提取算法对噪声、异常的敏感度,提高了对不同图像阈值的自适应性,数值算例表明该算法可有效、准确地对路面裂纹或裂缝进行检测。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。